基于EBP-OP算法与纹理特征的图像检索

基于纹理特征的图像检索在多媒体数据库管理和多媒体通信传输中得到越来越多的重视。文章提出了一种基于图像纹理特征与多层前馈神经网络EBP-OP算法的图像检索方法。首先运用灰度共生矩阵提取图像的纹理特征,然后用EBP-OP算法对提取的纹理特征进行分类,并在此基础上实现一组纹理图像的检索,实验证明这种方法是有效的。     

一种综合颜色和纹理特征的图像检索算法

对图像颜色特征和纹理特征进行了研究。在图像颜色特征方面,利用人类的视觉特性,对图像不同分块的主色进行确认和加权处理,获得加权主色颜色特征;在纹理特征方面,利用统计法和结构法构造灰度-差分基元共生矩阵来提取纹理特征。在此基础上,通过高斯归一化方法将颜色特征和纹理特征进行综合,形成最后的图像检索特征,并给出了利用该特征的图像检索算法。实验结果表明,所提出的灰度-差分基元共生矩阵特征提取较传统的灰度共生矩阵特征更加精细,在此基础上综合利用颜色和纹理特征的图像检索方法具有更好的检索精度。     

小波域颜色和纹理特征提取及图像检索方法研究

对小波域图像颜色和纹理特征的提取方法进行研究,在图像颜色特征提取方面,提出一种基于分块的HSI分量低频子带颜色特征提取方法,该方法首先根据人眼对图像的关注度对图像进行分块,对每一块的HSI分量的小波分解低频子带的颜色特征进行提取,并通过加权获得图像的颜色特征;在图像纹理特征提取方面,提出一种基于高频子带灰度-差分基元共生矩阵的二阶统计量和各子带方向特征的纹理特征提取方法,增加了方向特性的纹理特征对图像纹理的刻画更加精细;在此基础上,提出一种综合利用所提出图像颜色和纹理特性的图像检索算法,提高了图像的检索精度.实验结果验证了所提出方法的有效性.     

基于改进双树复小波和灰度-梯度共生矩阵的纹理图像检索算法

针对双树复小波变换缺少不同尺度纹理的空间分布特征的缺陷,提出了一种改进双树复小波和灰度-梯度共生矩阵相融合的纹理图像检索新算法。首先,该算法将图像进行非均匀分块,并对分块的图像进行双树复小波变换,以此增加不同尺度下的空间信息;其次,利用灰度-梯度共生矩阵提取4个统计量特征;然后, 融合 两种方法提取的纹理特征以得到图像检索的纹理特征;最后,用Canberra距离进行相似性度量并输出图像检索的结果。实验结果表明,该方法对纹理图像有较好的检索效果。     

基于多纹理特征的商标图像检索

提出了一种基于多纹理特征的商标图像检索方法。首先对图像纹理特征进行分析,从人眼视觉角度选用粗糙度和方向性这2个纹理特征量;从统计分析的角度出发,基于图像灰度共生矩阵描述了二阶矩、熵、对比度和均匀性这4个纹理特征量。这6个纹理特征量从不同角度刻画了图像特征,对其归一化后用欧氏距离进行图像相似性度量。通过实验,证明了该方法可以取得比较满意的检索结果。     

基于层次匹配下多种特征融合的蕾丝花边检索方法

针对基于图像纹理特征的蕾丝花边检索方法效率低下问题,为提高蕾丝花边检索效率,提出一种基于层次匹配下多种特征融合的蕾丝花边检索方法。通过运用图像纹理特征标识图像,利用Canny算子处理纹理图像,得到彩色Canny图像及其灰度梯度共生矩阵GGCM,采用能量、梯度平均、灰度平均、相关等二次统计特征参数描述图像的纹理特征,将上述提取纹理特征结合形状特征和SURF特征进行逐层匹配,实现层次匹配下多种特征的融合,弥补单个匹配方法的不足,同时在蕾丝花边库中验证所提检索方法的正确率。实验结果表明,与其他匹配方法相比,该方法提取的纹理特征具有更强的纹理鉴别能力,能较好地实现蕾丝花边检索,有效地提高了检索方法的速率和准确率。     

基于广义图像灰度共生矩阵的图像检索方法

当图像发生旋转或大小改变显著时,用已有的基于灰度共生矩阵的图像检索方法,不能很好地给出检索结果,在此基础上,该文提出一种基于广义图像灰度共生矩阵的图像检索方法。该方法将原图像作平滑处理得到平滑图像,然后将原图像和平滑图像组合起来得到广义图像灰度共生矩阵,提取该矩阵的统计特征量后,将其组成向量并归一化后用于检索。该方法引入了图像的空间信息,对于图像旋转和尺寸变化均不敏感。实验结果与性能比较表明,新方法的效果优于单纯的灰度共生矩阵法。     

基于多邻域空间分布的图像检索

由于灰度共生矩阵及其改进算法存在计算复杂、且对于纹理分布信息缺乏计算以及忽略了图像相关特性等缺点,导致对于图像纹理的有效信息缺乏很好的描述,为此提出了一种新的纹理特征用于图像检索.该算法首先结合图像中像素的统计信息,针对不同的邻域范围提取图像的邻域相关矩阵,然后在此基础上构造多邻域空间分布特征用于图像检索.分析表明,该算法所提取的纹理特征计算量小,复杂度低,并且由于将纹理的结构特征和统计特征有效地结合起来,所以对图像的空间纹理分布特征可以较好地描述.为了证明新算法所提取纹理特征的有效性,将其用于图像检索实验.实验结果表明,新算法在检索精度上相比其他算法具有较大的提高.     

综合分块颜色和基元共生矩阵的图像检索方法

提出了一种基于分块颜色直方图和纹理特征相结合的彩色图像检索方法。首先,该方法根据图像的背景和目标将其划分为两个区域,并对各个区域分别进行量化,提取颜色特征,计算图像之间的颜色距离;然后,用灰度共生矩阵提取图像的纹理特征并根据欧式距离来度量图像间的相似性。最后,综合利用颜色和纹理特征的加权来检索图像。经过对多种类别图像进行实验,检索结果都表明,与传统的检索方法相比,此方法能够很好的满足用户的需求,具有较高的查准率和查全率。     

灰度共生矩阵提取纹理特征的实验结果分析

为使灰度共生矩阵(GLCM)提取的特征值较好地表达纹理信息,对Brodatz纹理库图片进行了大量实验。首先测试了各构造参数对关键特征统计量的影响,给出了特征值随参数变化的规律,确立了构造参数的合理取值;然后测试了图像旋转和大小变化对所提取特征值的影响。实验结果对优化灰度共生矩阵的构造、实现基于纹理的图像检索有参考意义。     

基于局部特征多轴旋转不变特性的纹理图像分类算法

采用非量化的局部特征设计出一个稳健的纹理描述符,以便增强旋转和尺度变化时纹理分类的鲁棒性。首先,引入了局部特征的旋转对称性的概念,提出了一种新颖的局部特征来描述纹理的旋转不变特性。为了处理剧烈的旋转、尺度等变化,利用费舍尔向量编码方法对纹理特征量进行多尺度分析,在不增加局部特征维度的同时又能结合尺度信息,由此产生的局部特征对旋转、灰度变化都有较强的鲁棒性。实验结果表明,所提方法的评估结果在许多数据集上都远远超过了现有最优算法,大大提高了纹理分类的精度。     

基于Haar特性的LBP纹理特征

图像纹理特征能够反映图像的灰度分布程度、对比度、空间分布和图像的内在变化特性,在确保较低计算复杂度的前提下,有效提取深层次的图像纹理信息是其研究的难点问题。针对这一问题,从相邻区域的统计特征分析入手,提出了一种Haar型特性局部二元模式(Haar local binary pattern,简称HLBP)的图像纹理特征提取方法。鉴于Haar型特征运算简单、快捷,统计局部特征有效、可靠,将其引入LBP中。该方法首先给出8组Haar型特征编码模式,按照局部二元模式(local binary pattern,简称LBP)统计图像局部纹理特征,因采用局部区域统计方法能够有效降低噪声的影响;其次,为了进一步提高图像纹理特征的有效呈现,结合Gabor小波滤波在不同方向、不同尺度对灰度水平图像进行特征提取,以增强纹理有效提取的性能,提高不变特征的稳健性;最后,通过4组对比实验验证了该方法的可行性。实验分别在标准的 Brodatz 正常分块纹理库测试集、分块且缩放 Brodatz 纹理库测试集、分块且旋转Brodatz纹理库测试集以及Yale B扩展的非均匀光照条件人脸库测试集上进行。实验结果表明,该方法能够有效地表达图像的纹理特征。     

自适应流形学习在故障诊断中的应用

针对人工干预的旋转轴承故障类型及损坏程度诊断问题,提出了一种基于自适应流形学习的故障诊断新方法。该算法借助集合经验模态分解和双谱分析提取振动信号的故障特征,用纹理分析法构建故障信息的纹理特征矩阵,通过自适应流形学习的方法对高维纹理特征矩阵进行降维。整个过程能够很好地去除噪声,同时自适应选择参数,具有很好的聚类性能和复杂信号处理能力。实验结果表明该方法能够很好地区分不同的故障类型,同时在区分内圈故障、外圈故障、滚动元素故障退化程度方面也有着较好的性能。     

基于梯度和局部多值模式的图像纹理特征提取

为了进一步增强局部二值模式的纹理特征表达能力,提出了一种将图像梯度同局部多值模式相结合的纹理特征提取方法.该方法首先计算出图像的梯度幅度和梯度方向,并根据量化的梯度方向对幅度图进行分解,之后利用得到的幅度图对其进行局部多值模式特征的提取,得到一种新的纹理特征,最后将得到的特征进行图像检索实验.实验结果表明,在纹理丰富的检索库上,该方法所提取的纹理特征更加具有通用性,相对传统局部二值模式图像检索方法具有更好的稳健性和更好的检索效果.     

基于多边形近似的图像纹理全局特性研究

使用传统的MRF模型进行纹理合成时存在无法把握纹理全局特性的缺陷,对具有大规模结构特性的纹理进行合成时,容易造成纹元周期性混乱。将特征匹配的方法引入传统MRF模型中可改良图像合成效果。详细分析了特征点识别与定位对整个纹理合成的作用。首次提出了一种用基于二进制具有量子行为的粒子群算法的多边形近似来分析纹理图像中特征点分布的结构模式分析方法。该方法可以提取结构性及半结构性半随机性纹理中的特征点分布规律,采用对特征点分级的方法定位纹理的大规模乃至全局特性。     

基于综合特征的图像分割

文章提出了一种有效的基于颜色和纹理综合特征的图像分割方法。将图像以块为单位进行划分,在YUV空间,提取块的颜色特征和纹理特征,在这种综合特征基础上,采用改进的K均值聚类法进行图像分割。该方法能自适应确定聚类中的参数,且兼顾点的位置连通关系,从而达到了较好的分割效果。     

基于角度径向变换的旋转不变纹理分类

纹理分类广泛的应用于医学图像分析等领域,纹理图像的采集因拍摄角度的变化产生一定的旋转,本文提出一种基于角度径向变换的旋转不变纹理分类方法。首先采用角度径向变换方法对图像进行特征提取,分别得到图像的角向特征向量和径向特征向量;然后将提取出的2组特征向量结合起来作为图像的整体特征向量,利用K近邻特征空间距离的分类方法进行纹理分类。选取Brodatz纹理库中的图像进行纹理分类测试,实验结果表明,该算法具有较好的旋转不变纹理分类效果。     

基于多特征融合的前向车辆检测方法

针对传统车辆检测方法定位精度不高的问题,提出一种基于多特征融合的前向车辆检测方法。采用基于直方图分析和自适应双阈值的方法分别实现阴影和边缘特征的准确分割,并通过阴影和边缘特征的综合分析,生成车辆假设区域。利用对称性、纹理和轮廓匹配度3个特征融合得到的综合特征对获得的车辆假设区域进行验证,剔除其中的误检区域。实验结果证明,该方法能在不同光照条件下自适应地进行车辆检测,检测率可达92%以上,且在检测率和误检率2项指标上均优于传统基于学习的方法。     

基于边缘模式和主导学习框架的相似纹理分类

边缘是进行相似纹理图像分类的有效特征之一,为了提高边缘检测精度,使用可变化的局部边缘模式（Varied Local Edge Pattern,VLEP）算法,利用像元及其近邻的灰度变化进行区域统计,同时从多尺度和多方向的角度提取纹理边缘特征。然而,当图像分辨率发生变化,或图像受到光照、反射的影响时,纹理计算可能会出现较大偏差。为此,在VLEP算法的基础上,提出主导学习框架相似纹理分类方法,通过构建全局主导模式集,解决纹理计算偏差导致的类间距离小和类内距离大的问题。实验结果表明,主导边缘模式思想可以有效地提高相似纹理图像的分类准确率。     

Texture classification using fuzzy uncertainty texture spectrum

A new method using fuzzy uncertainty, which measures the uncertainty of the uniform surface in an image, is proposed for texture analysis. A grey-scale image can be transformed into a fuzzy image by the uncertainty definition. The distribution of the membership in a measured fuzzy image, denoted by the fuzzy uncertainty texture spectrum (FUTS), is used as the texture feature for texture analysis. To evaluate the performance of the proposed method. supervised texture classification and rotated texture classification are applied. Experimental results reveal high-accuracy classification rates and show that the proposed method is a good tool for texture analysis.